Nilalaman
- Ang Papel ng HR
- Kaso para sa Pag-aaral ng Machine sa HR
- Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
- Mga Pag-unlad
- Konklusyon
Pinagmulan: Kentoh / Dreamstime.com
Takeaway:
Ang HR analytics ay nagbabago sa paraan ng pagpapatakbo ng mga kagawaran ng mapagkukunan ng tao, na humahantong sa mas mataas na kahusayan at mas mahusay na mga resulta sa kabuuan.
Ang mga mapagkukunan ng tao ay gumagamit ng analytics sa loob ng maraming taon. Gayunpaman, ang koleksyon, pagproseso at pagsusuri ng data ay higit sa lahat manu-manong, at binigyan ng likas na katangian ng mga dinamikong mapagkukunan ng tao at mga KPI ng HR, ang diskarte ay nagpipilit sa HR. Samakatuwid, nakakagulat na ang mga kagawaran ng HR ay nagising sa utility ng machine learning kaya huli na sa laro.
Gayunpaman, ang pag-aaral ng makina ay mabagal ngunit tiyak na pumapasok sa domain ng HR, at maraming mga kaso ng paggamit tulad ng paghuhula ng katangian, tamang hiring at pagsasanay sa mapagkukunan ng tao. Pinaniniwalaan din na ang pag-aaral ng makina ay maaaring mahulaan ang tagumpay ng isang potensyal na kandidato. Marami pang mga kaso ng paggamit ay malamang na natuklasan sa lalong madaling panahon. Hindi tulad ng manu-manong diskarte, ang diskarte sa pag-aaral ng makina ay mas mabilis, mas madaling tumugon sa mga dynamic na sitwasyon at nagbibigay ng tumpak, aksyon at mahalagang data. (Kahit na ang patlang ng mga analytics ng data ay nagiging awtomatiko, hindi na kailangang mag-alala tungkol sa kawalan ng trabaho pa. Matuto nang higit pa sa Hindi, Mga Data ng Mga Barko ng Analytics ay Hindi Makakaalam sa Iyong Trabaho Kahit kailan.
Ang Papel ng HR
Ang mapagkukunan ng tao ay hindi maikakaila pinakamahalagang pag-aari ng isang samahan. Ang HR ay may pananagutan sa pamamahala ng mga mapagkukunan ng tao ng isang samahan upang makuha nito ang posibleng posibleng halaga mula sa mga tao. Kasama sa papel ng HR ang mga sumusunod:
- Pagkilala sa tamang talento para sa tamang papel
- Wastong kabayaran at benepisyo
- Pamamahala ng pag-unlad ng empleyado na may pagsasanay at mga pagkakataon
- Pagsubaybay at pamamahala ng paglaki ng mga mapagkukunan ng tao na may mga pagtaas, promosyon, mga pagkakataon at benepisyo
- Pamamahala ng mga motivation, karaingan at damdamin ng empleyado
- Pamamahala sa paglabas
Kaso para sa Pag-aaral ng Machine sa HR
Sa paglipas ng panahon, nagbabago ang mga inaasahan ng HR department. Dati, makakahanap ang HR ng mga angkop na kandidato; magsagawa o mapadali ang mga pagsusuri; ibigay ang mga alok, kabayaran at benepisyo batay sa mga patakaran ng HR; at pamahalaan ang mga karera at paglabas ng empleyado. Ngayon, inaasahan ng HR na magdagdag ng higit na halaga sa kung ano ang nagagawa at ginagawa pa ng higit pa, tulad ng hula na katangian at tagumpay ng kandidato sa isang papel. Ang kasalukuyang pamamaraan upang matupad ang mga inaasahan na ito ay nagpapagana o pumipilit sa HR?
Bago ang pag-ampon ng pag-aaral ng makina, pamahalaan ang pamamahala ng data sa manu-manong at semi-awtomatikong paraan. Ito ay mangolekta, mag-iimbak at magproseso ng data upang makagawa ng analytics bago ang data ay mabilis na maging walang kaugnayan dahil nagbago ang sitwasyon at kailangan ng pag-update ng data. Halimbawa, ang mga datos na nakolekta bago ang taunang siklo ng pagtasa ay nagpakita ng mababang mga panganib sa pag-aakibat. Gayunpaman, ang post-appraisal, mayroong isang spike sa kawalang-interes at hindi kasiya-siyang kawani ng empleyado, higit sa lahat dahil sa pag-aalinlangan sa mga inaasahan at aktwal na gantimpala at pagtaas ng mga pagkakataon sa merkado ng trabaho. Karaniwan, ang paunang pag-aaral ng pagtatasa ay nanligaw sa samahan, at ang pagsisikap ay maaaring isaalang-alang na isang basura.
Ang mga manual at semi-manual na mga pamamaraan ay hindi nilagyan upang paganahin ang HR upang mapamahalaan ang data sa mabilis na pagbabago ng mga variable na nauugnay sa mga mapagkukunan ng tao. Kinakailangan ng HR ang regular, na-update na analytics sa mga nauugnay na kadahilanan tulad ng sentimyento ng empleyado sa loob ng samahan, mga saloobin ng empleyado patungo sa mga patakaran, at pagiging kaakit-akit ng mga oportunidad sa merkado kumpara sa inaalok ng samahan. Ito ay malubhang negosyo. Maliban kung ang pamamahala ng tao ay namamahala nang maayos, ang isang samahan ay maaaring mawalan ng mahalagang mga empleyado. Minsan nagkomento si Bill Gates, "Tinatanggal mo ang aming nangungunang 20 empleyado at kami ay naging isang pangkaraniwang kumpanya." Ipasok ang pag-aaral ng makina. Ano ang maaaring alok ng pagkatuto ng machine sa mga lumang pamamaraan? Isaalang-alang ang mga sumusunod:
Mas mabilis na Tugon sa Pagbabago ng Dinamika
Ito ang edad ng malaking data. Upang pamahalaan ang mga empleyado, kailangan mo ng data sa:
Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
Hindi mo mapagbuti ang iyong mga kasanayan sa pagprograma kapag walang nagmamalasakit sa kalidad ng software.
- Mga saloobin at damdamin ng empleyado
- Mga kredensyal o kwalipikasyon
- Ang pananaw ng empleyado patungo sa mga patakaran
- Mga uso sa uso
- May kaugnayan sa panlabas na pag-unlad tulad ng job market at mga karibal na organisasyon at ang epekto nito sa iyong mga empleyado
Iyon ay nagdaragdag ng hanggang sa isang humongous dami ng data na darating sa bawat sandali. Ang manu-manong pamamahala ay simpleng hindi nasusunog upang hawakan ito. Gayunpaman, ang pag-aaral ng makina ay angkop na patuloy na tanggapin, mag-imbak at magproseso ng mga dami ng data at magbigay ng nauugnay at naaaksyong mga pananaw sa anyo ng mga simpleng analytics. (Alamin ang higit pa tungkol sa papel ng malaking data sa negosyo na may Tackling Big Data Analytics Points.)
Tumpak na Hula
Ang pag-aaral ng makina ay maaaring mahulaan ang mga pangunahing pag-unlad tulad ng pag-iugnay, tagumpay sa mga tungkulin sa trabaho at masamang mga kaganapan tulad ng hindi pag-uugali ng etikal. Halimbawa, ang posibilidad ng tagumpay ng isang empleyado sa isang bagong tungkulin ay maaaring mahulaan batay sa isang pagsusuri ng mga nakaraang data tulad ng nakaraang proyekto ng pagganap, kaalaman base at pangunahing hakbangin na kinuha upang mapagbuti ang base ng kaalaman, na sumasalamin sa mga saloobin. Ang mga paghahanap batay sa mga parameter na ito ay maaaring ma-convert sa analytics at pagkatapos ay maaaring gawin ang mga pagpapasya.
Pagkilala sa Kandidato at Pagsubaybay ng Aplikante
Ang pag-aaral ng makina ay maaaring kumonekta sa tamang trabaho sa tamang kandidato batay sa tungkulin sa trabaho at mga kredensyal, karanasan at interes ng kandidato. Ang pag-aaral ng makina ay maaaring magamit ang mga social network para sa. Ito ay makabuluhang binabawasan ang manu-manong pagsisikap sa mga pagtatasa ng kandidato at pagsubaybay.
Mga Pag-unlad
Ang HR domain, pagkatapos ng isang maligamgam na pagtugon sa pag-aaral ng makina, ay nakakagising sa gamit nito. Maraming mga kaso ng paggamit ang ipinatutupad at marami pa ang nasa daan. Ang isang buod ng mga pangunahing pag-unlad ay ibinibigay sa ibaba.
Pagkilala sa Kandidato at Pagsubaybay sa Application
Sa pamamagitan ng malaking data mula sa mga mapagkukunan ng web tulad ng mga forum at social media, ang mga organisasyon ay nakakahanap ng mga tamang kandidato para sa tamang tungkulin. Habang sinusuri ang kandidatura, ang pag-aaral ng machine ay isinasaalang-alang ang mga kwalipikasyon, karanasan, interes, propesyonal na koneksyon at pagiging kasapi, nakamit, talakayan ng forum at marami pa. Ito ay makabuluhang nagpapabuti sa pagkakataong maging angkop sa papel, kung hindi ginagarantiyahan ito. Ang isang mabuting halimbawa ay maaaring ang propesyonal na site ng networking, LinkedIn.
Ang pag-aaral ng makina ay makabuluhang binabawasan ang manu-manong pagsisikap sa pamamahala ng mga aplikasyon at pinapalaya ang HR upang tumuon sa mas produktibong pagsisikap. Ayon kay Cristian Rennella, CEO at Cofounder ng MejorTrato.com.mx, isang kumpanya na naghahambing sa mga produktong pinansyal, "Noong nakaraan, ginugol namin ang 67.2 porsyento ng oras ng bawat tao sa HR upang mabasa ang mga CV ng bawat kandidato na dumating sa amin sa pamamagitan ng aming sariling website at mga ikatlong partido. Salamat sa AI, ang gawaing ngayon ay awtomatikong ginagawa ng aming panloob na sistema, na sa pamamagitan ng malalim na pag-aaral gamit ang TensorFlow, maaari naming awtomatiko ang gawaing ito. "
Tumpak na Hula
Ang HR analytics ay madalas na tumpak na mahulaan ang mga pangunahing kadahilanan tulad ng pag-aakit, pagganap ng empleyado, at kahit na masamang mga kaganapan tulad ng hindi etikal na pag-uugali. Halimbawa, ang data mula sa iba't ibang mga pag-uusap sa forum, mga post sa social media, s, video, mga karibal na samahan at mga pagkakataon sa merkado ay maaaring ituro sa mga pagbabago sa mga antas ng katangian. Ang mga antas ng kawalaan ay partikular na madaling kapitan ng pagbabago pagkatapos ng mga siklo ng tasa.
Mga hula sa Tagumpay sa Trabaho
Ang data sa mga kredensyal ng kandidato, pagiging kasapi, pag-uugali at pagganap ay maaaring ituro sa posibilidad ng tagumpay sa mga tungkulin sa trabaho. Ang punto ay, manu-manong sinusubukan upang makalkula ang mga hula batay sa napakaraming mga variable ay hindi sapat. Ang HR analytics ay maaaring magbigay ng tumpak na pananaw batay sa kung aling mga organisasyon ay maaaring makahanap ng tamang mga kandidato para sa tamang tungkulin sa trabaho.
Konklusyon
Inaayos na ng mga samahan ang mga pakinabang ng pag-aaral ng machine.Habang ang pag-aaral ng machine ay nabawasan ang manu-manong pagsusumikap, inaasahan ang ML na maging mas tumpak at kilalang tao sa mga lugar tulad ng hula at pamamahala ng katangian, pamamahala ng empleyado at tagumpay.